引领财资创新,助推金融转型

金电联行:打造智能化数据工厂,实现量化风险管理

“一切可计算,万事可量化。”金电联行自2007年就开始在大数据领域耕耘。十年来,金电联行完成了数据技术的不断升级,拥有大量经过验证的算法模型,并独创“智能数据工厂”,帮助企业、金融机构、政府等拓展多领域的大数据应用实践,深度挖掘数据价值。

文 | 董兴荣 李菲

财资一家(TreasuryChina)原创首发

《金电联行:打造智能化数据工厂,实现量化风险管理》

采访嘉宾:朱志伟,金电联行(北京)信息技术有限公司联合创始人&高级副总裁。擅长构建数据模型及逻辑分析,精于信贷风险控制及评审等领域。2007年,参与创立金电联行并提出“产业链信用服务”理念,将基于大数据技术主导研发的“信用信息云服务平台”推广至全国,获得巨大成功。


金电联行(北京)信息技术有限公司(简称“金电联行”)成立于2007年,是为金融与社会管理提供创新信用服务的大数据公司。从依托大数据技术的信用融资起步,到量化风险、企业征信,再到大数据底层建设和计算能力输出,金电联行经过十年不断的潜心研究和实践,不仅搭建起了企业与金融机构、政府之间的信息桥梁,还帮助金融机构实现量化风险管理,成功地将大数据金融服务打造成了具备核心竞争力的业务集合。

金电联行:以数据来驱动发展

在十年的发展中,作为大数据理论与云计算技术在信用领域的革命性应用者,金电联行在中小企业信贷领域打开了缺口,寻找到了降低企业融资成本和缩短贷款时间的方法。

“在信息时代,金电联行经历了最初的业务驱动型到专家驱动型再到数据驱动型的转变。最初,金融机构要对中小企业进行评测、量化,同时,在业务特征梳理过程中,会关注到样本的优劣,这是业务驱动型;之后,我们有风险量化的金融专家、数据分析师以及IT专家,使我们从业务驱动转变为专家驱动,但这一模式仍是以人为主,而人是最大的发展瓶颈;到了数据时代,业务驱动中人的瓶颈一样困扰着金电联行。跨界是必须的,但具备跨界知识的人才匮乏。于是,我们思考是否能以数据来驱动发展。”谈及金电联行数据驱动思想的由来,朱志伟如是说。而今, 金电联行开始全面进入大数据产业。以征信、量化、数据工厂等核心技术,搭建各种应用场景,实现以数据技术为引擎,数据的核心组织能力为基础的一套技术生态,为大数据在金融、政务、产业这三个领域的深入发展奠定基础。

《金电联行:打造智能化数据工厂,实现量化风险管理》

在金融大数据方面,金电联行通过创建的大数据征信、大数据风险量化、大数据信用融资、基础数据平台等模式,提升了金融服务的效率。在技术上,金电联行通过大数据的采集分析,利用大数据时代数据量无限扩大、链条无限延长、体系不断完善、捕捉难度日益降低的契机建立的客观信用评价体系,从某种意义上打破了以财务信息为核心的固有信用评价思维,改变了以抵押担保为主的传统信贷方式,针对我国中小微企业信用融资的难题,创建了一个低成本、大批量、高效能、全风控的纯信用贷款管理模式。

在政务大数据方面,主要帮助政府搭建政务治理平台,整合多维度企业信用数据,提供企业信息全面、集中的展示,为政府制定政策提供数据支撑。同时还能够代替人工,更加精准地完成工作,最大限度地减少操作差错,节省人力成本,提高政府工作效率。

在产业大数据方面,与地方政务数据不同的是,产业大数据没有明显的区域性,更侧重于条数据,逻辑性很强,犹如一部车有上万个零部件,缺一个零件都不可以,必须所有的零件协同,将条、块数据联合应用。“金电联行不仅帮助企业进行数据化的治理,如精准生产、精准销售等,实现产业资源的优化配置,还能让数据产生金融价值,进而提供产业金融服务,助力产业转型升级。”朱志伟说道。

智能数据工厂:挖掘数据的强大价值

大数据正在成为金融业运作中最有价值,最强大的决策工具。作为大数据、金融业领先实践者的金电联行,又是如何将智能化与数据高效结合,实现数据的商业价值的呢?

对于金电联行的大数据技术创新应用,朱志伟认为,主要有三大核心点:一是一站式征信。基于20余个国家部委数据、200余个第三方数据库数据、区域数据、产业数据以及四十余万家中小企业数据,对数据进行交叉校验、交叉分析,为用户提供企业族谱、信用评分、征信报告三大主要服务,将企业的情况一站式地展现在用户面前。二是量化监管。以大数据技术为核心,通过数据对企业进行动态监管,实现对企业风险的实时监控,并可以做到提前3~6个月进行风险预警。三是智能数据工厂。基于流水线、自动化、规模化、智能化的生产模式,利用工业生产线实现对原辅材料(数据)的加工、生产、组装并输出市场需要的数据产品,为企业打造量身定制的大数据应用落地体系。

随着大数据思维的不断深入,数据生产方式也历经了多个形态。如何改变传统的数据应用模式,应用先进的全自动机械系统发挥更加强大的功能呢?金电联行的智能数据工厂也许可以提供一些新的思路。

只有数据生产方式智能化,才能保证数据资源转化更加有效,才能充分应对不断升级变化的市场需求。然而,如何做到生产方式智能化?把数据资源作为原材料进行分类,根据所有者不同,分为自有数据、外部数据和其他非直接数据。为了更好地将这些数据进行应用,智能数据工厂创造了“数据拼图”概念。数据拼图可以随着多个维度数据的增加而不断扩充,具有很好的适应性和延展性。它通过一定的计算方式,可以有效地保证自有数据、外部数据和非直接数据进行无缝拼接,形成多维度数据集,使原材料种类质量都可以达到生产的水平。此外,数据拼图转化为最终成果,不仅需要数据专家为数据挖掘、清洗、加工以及接口服务提供支持,还需要了解需求方真实想法的业务专家提供业务发展方向。

在使用数据拼图的初期,专家建立模型并且把这一过程生产线化,搭建出实验室生产线环境,并且利用数据不断的交叉检验。经过多轮验证后,标准智能生产线1.0可用于实际生产。在生产线运作实际过程中,初代智能生产线会有更多新数据加入,利用专家加上深度学习的人工智能技术,可以非常快速地校正生产线并且实现生产线升级,也就是从1.0升级为2.0,以此类推。智能生产线将在为人工智能提供用武之地的同时,唤醒人工智能巨大的潜力,从而使这两个领域的技术和应用出现加速发展的趋势。这一套从原材料到生产工艺不断优化再到实现应用的过程,包含了具有前瞻性和与时俱进的构建布局,以专业知识和技能建立的数据,与最终应用之间形成通路。这一集成了数据资源、云计算技术、人工智能、专家经验的有机体,就是智能数据工厂。

《金电联行:打造智能化数据工厂,实现量化风险管理》

谈及智能数据工厂是如何通过数据驱动挖掘出更多具有商业价值的知识、信息时,朱志伟表示,金电联行的数据计算能力输出主要分为四大步骤:第一是数据准备。建模分析都需要有数据准备,把原始数据转化为能够用计算机或其他设备挖掘、分析的标准数据。这就需要计算机化,把原始数据变成待挖掘数据并且还要建立一个标准。第二是数据画像。在数据准备、待挖掘的情况下,先将其特征提取出来,称作画像。在金融行业运营中,常常涉及客户画像,包括客户的特征、喜好、在投资时的风险偏好等。第三是依托机器完成数据挖掘。这一过程包括两个最基础的模块:一是建立挖掘的算法基础库,又称“武器库”,针对不同的特征应该用哪些类型的算法进行挖掘和分析,这也是金电联行十年深耕的成果;二是算法和数据特征的映射关系,这属于金电联行的“秘方”。第四是知识映射。输出的数学表达又被称为“知识信号”,这些知识信号只是在数学上有逻辑,并具备相应的属性和特点,要将这些数学上的信号用于解决现实的问题就必须把数学上的知识信号与业务上的知识进行解读,判断其是否有价值。因而,要把挖掘出的知识与实际的业务、需求进行关联。

“事实上,这个数据驱动实践也存在三个核心点:首先,是把数据的核心特征挖掘出来,确定数据画像;其次,是确定数据和模型的映射关系;最后,将知识输出、落地,对业务产生价值。因为数据的价值,就是从数据里找到知识, 数据驱动最终转换成商业,让数据变现。”朱志伟表示。

“大数据+传统产业”:实现大数据与产业深度融合

金电联行深入挖掘和分析传统产业在研发、生产、营销、管理等全产业链数据,提供市场竞争力、消费需求等决策型数据,一方面能够帮助企业进行数据化的治理,实现产业资源的优化配置;另一方面是能让数据产生金融价值,进而提供产业金融服务,打造一个数据驱动的产业金融新生态,助力产业转型升级。

《金电联行:打造智能化数据工厂,实现量化风险管理》

以纺织产业为例,大数据在纺织产业的应用,具备加强单个企业的精细化管理程度,完善企业的信用评级并提升企业融资能力,加强上下游信息传递,实现产业内信息共享,提升产业集中度等功能,有助于提高纺织产业效率并加速产业整合趋势。朱志伟表示:“在制造业,我们是一个新兵,但是我们做的事情比较实在,我们做的是化纤产业的应用落地。”2016年,金电联行凭借自身大数据优势与纺织产业链的龙头企业合作,共同搭建大数据投资平台,打造化纤产业大数据联盟,实现纺织产业与互联网、大数据、云计算等技术的深度融合。

事实上,金电联行目前向“大数据+传统产业”延伸已经积累了经验。朱志伟表示:“在与纺织业的合作中,金电联行通过‘大数据+纺织’三步走的战略,助力打造大数据与纺织业的深度融合与发展。”第一步是整合数据,利用大数据信用技术手段,金电联行实现了对企业交易数据的整合,改变了传统纺织产业内部生产要素间缺乏连通且数据转化能力滞后的不足,解决了潜在客户定位模糊的问题;第二步是信用融资,以“企业信用可计算,风险可量化”为前提,通过企业增信报告、信用贷款、企业优选、信用体系建设、投融资平台等多种形式,提升了纺织企业对资源信息的掌控能力,打造了良好的信用融资环境;第三步是搭建平台,金电联行与纺织企业联合,建立了纺织产业的大数据征信平台、投融资平台,发布了纺织产业的客观信用评价指数,创新纺织业的风控模式,引领整个产业健康发展。

本文刊登于《财资中国|财富风尚》杂志2017年10月刊,有删减。

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注